محققان در مقالهای جدید به سراغ بهبود روش «تقریب میانگین نمونه» (SAA) برای حل مسائل بهینهسازی تصادفی رفتهاند. در بسیاری از سناریوهای زنجیره تأمین و مدیریت موجودی (مسئله Newsvendor)، روشهای سنتی محدودیتهایی داشتند، اما این مطالعه با ارائه رویکردی مبتنی بر شرایط تحدب (Convexity)، راهکاری دقیقتر برای دستیابی به حد بهینه خطا ارائه کرده است.
این تحقیق نه تنها به درک عمیقتر ما از عملکرد الگوریتمهای دادهمحور کمک میکند، بلکه به عنوان یک استاندارد طلایی برای ارزیابی مدلهای جدید در آینده عمل خواهد کرد.
سازی
منبع: arXiv Machine Learning